人臉識別mysql資料庫起資料提供參照作用，實現多項參照，精準解析：

需求描述

1.將人臉特徵資訊儲存進MySQL資料庫。

2.呼叫攝像頭識別人臉，將待識別的人物進行識別，並實時地與資料庫中的人臉特徵資訊進行比對，同時判斷出被識別者的身份。

需求分析

1、準備

利用opencv、face_recognition、numpy、pymysql等Python第三方類庫，官方說法是face_recognition的人臉識別準確率高達99.6%。

2、識別

利用face_recognition，可以很輕易地得到人臉128維的人臉編碼，並且透過比對函式，就可以得出想要的結果。

3、編碼

由於face_recognition的128維的人臉編碼是一個numpy ndarray型別，即矩陣，並不能存進資料庫，要想存進資料庫，必須進行型別轉換

思路：先將矩陣轉為列表，再將列表裡的每個元素轉為字串，再用字串拼接的方式拼成一個字串，這時就可以把特徵值存進資料庫了。

4.譯碼

既然是特徵值的比對，那麼從資料庫取完資料之後，就需要把字串重新轉為矩陣格式。

思路：先透過字串切割，轉為列表，再對列表裡每個元素轉為浮點型（float），最後再轉為矩陣。

5.輸出

常規做法透過人臉識別後想要在影象上輸出被識別者姓名，但是opencv有自己的一套編碼規範，無法輸出中文，如果儲存的是中文，那麼就會出現亂碼的情況。

中文文字影象顯示解決思路：透過呼叫本地已存在的字型，利用PIL進行格式轉換。

解決方案

資料庫設計 

FaceSQL.py：MySQL資料庫處理相關

import pymysql

class FaceSQL:

def __init__(self):

self.conn = pymysql.connect(

# 資料庫的IP地址

host="xxx.xxx.xxx.xxx",

# 資料庫使用者名稱稱

user="******",

# 資料庫使用者密碼

password="******",

# 資料庫名稱

db="xxx",

# 資料庫埠名稱

port=3306,

# 資料庫的編碼方式 注意是utf8

charset="utf8"

)

def processFaceData(self, sqlstr, args=()):

print(sqlstr)

# 使用 cursor() 方法建立一個遊標物件 cursor

cursor = self.conn.cursor()

try:

# 執行sql語句

cursor.execute(sqlstr, args)

# 提交到資料庫執行

self.conn.commit()

except Exception as e:

# 如果發生錯誤則回滾並列印錯誤資訊

self.conn.rollback()

print(e)

finally:

# 關閉遊標

cursor.close()

def saveFaceData(self,id,encoding_str):

self.processFaceData("insert into face(學號,encoding) values(%s,%s)", (id, encoding_str))

def updateFaceData(self, id, encoding_str):

self.processFaceData("update face set encoding = %s where 學號 = %s", (encoding_str, id))

def execute_float_sqlstr(self, sqlstr):

# 使用 cursor() 方法建立一個遊標物件 cursor

cursor = self.conn.cursor()

# SQL插入語句

results = []

try:

# 執行sql語句

cursor.execute(sqlstr)

# 獲取所有記錄列表

results = cursor.fetchall()

except Exception as e:

# 如果發生錯誤則回滾並列印錯誤資訊

self.conn.rollback()

print(e)

finally:

# 關閉遊標

cursor.close()

return results

def sreachFaceData(self, id):

return self.execute_float_sqlstr( "select * from face where 學號="+id)

def allFaceData(self):

return self.execute_float_sqlstr( "select * from face ")

def sreach_Info(self,id):

return self.execute_float_sqlstr( "select * from zstustu where 學號='" + id + "'")

FaceTools.py： 人臉特徵資訊處理相關

import face_recognition

import numpy

from os import listdir,path

from FaceSQL import FaceSQL

class FaceTools:

def __init__(self):

try:

self.facesql=FaceSQL()

except :

print("資料庫連線錯誤")

def encoding_FaceStr(self, image_face_encoding):

# 將numpy array型別轉化為列表

encoding__array_list = image_face_encoding.tolist()

# 將列表裡的元素轉化為字串

encoding_str_list = [str(i) for i in encoding__array_list]

# 拼接列表裡的字串

encoding_str = ','.join(encoding_str_list)

return encoding_str

def decoding_FaceStr(self, encoding_str):

# print("name=%s,encoding=%s" % (name, encoding))

# 將字串轉為numpy ndarray型別，即矩陣

# 轉換成一個list

dlist = encoding_str.strip(' ').split(',')

# 將list中str轉換為float

dfloat = list(map(float, dlist))

face_encoding = numpy.array(dfloat)

return face_encoding

def add_Face(self,image_name, id):

# 載入本地影象檔案到一個numpy ndarray型別的物件上

image = face_recognition.load_image_file("./photo/"+image_name)

# 返回影象中每個面的128維人臉編碼

# 影象中可能存在多張人臉，取下標為0的人臉編碼，表示識別出來的最清晰的人臉

image_face_encoding = face_recognition.face_encodings(image)[0]

encoding_str =self.encoding_FaceStr(image_face_encoding)

# 將人臉特徵編碼存進資料庫

self.facesql.saveFaceData(id,encoding_str)

def updata_Face(self, image_name, id):

# 載入本地影象檔案到一個numpy ndarray型別的物件上

image = face_recognition.load_image_file("./photo/"+image_name)

# 返回影象中每個面的128維人臉編碼

# 影象中可能存在多張人臉，取下標為0的人臉編碼，表示識別出來的最清晰的人臉

image_face_encoding = face_recognition.face_encodings(image)[0]

encoding_str = self.encoding_FaceStr(image_face_encoding)

# 將人臉特徵編碼更新資料庫

self.facesql.updateFaceData(id, encoding_str)

def sreach_Face(self, id):

face_encoding_strs = self.facesql.sreachFaceData(id)

# 人臉特徵編碼集合

face_encodings = []

# 人臉特徵姓名集合

face_names = []

for row in face_encoding_strs:

name = row[0]

face_encoding_str = row[1]

# 將從資料庫獲取出來的資訊追加到集合中

face_encodings.append(self.decoding_FaceStr(face_encoding_str))

face_names.append(name)

return face_names,face_encodings

def load_faceoffile(self):

filepath = 'photo'

filename_list = listdir(filepath)

# 人臉特徵編碼集合

face_encodings = []

# 人臉特徵姓名集合

face_names = []

a = 0

for filename in filename_list: # 依次讀入列表中的內容

a += 1

if filename.endswith('jpg'): # 字尾名'jpg'匹對

face_names.append(filename[:-4]) # 把檔名字的後四位.jpg去掉獲取人名

file_str = 'photo' + '/' + filename

a_images = face_recognition.load_image_file(file_str)

print(file_str)

a_face_encoding = face_recognition.face_encodings(a_images)[0]

face_encodings.append(a_face_encoding)

print(face_names, a)

return face_names,face_encodings

def load_faceofdatabase(self):

try:

face_encoding_strs = self.facesql.allFaceData()

except:

print("資料庫連線錯誤")

# 人臉特徵編碼集合

face_encodings = []

# 人臉特徵姓名集合

face_names = []

for row in face_encoding_strs:

name = row[0]

face_encoding_str = row[1]

# 將從資料庫獲取出來的資訊追加到集合中

face_encodings.append(self.decoding_FaceStr(face_encoding_str))

face_names.append(name)

return face_names, face_encodings

def load_images_face(self,filepath):

filename_list = listdir(filepath)

for filename in filename_list: # 依次讀入列表中的內容

if path.isdir(filepath+filename):

self.load_images_face(filepath+filename+"\\")

if filename.endswith('jpg'): # 字尾名'jpg'匹對

file_str = filepath + filename

a_images = face_recognition.load_image_file(file_str)

print(file_str)

face_encoding = face_recognition.face_encodings(a_images)

if face_encoding != []:

a_face_encoding = face_encoding[0]

encoding_str = self.encoding_FaceStr(a_face_encoding)

self.facesql.saveFaceData(filename[:-4], encoding_str)

def load_images_faces(self, filepath):

filename_list = listdir(filepath)

a=0

for filename in filename_list: # 依次讀入列表中的內容

if filename.endswith('jpg'): # 字尾名'jpg'匹對

file_str = filepath + filename

a_images = face_recognition.load_image_file(file_str)

print(file_str)

face_encoding = face_recognition.face_encodings(a_images)

for a_face_encoding in face_encoding:

a += 1

encoding_str = self.encoding_FaceStr(a_face_encoding)

self.facesql.saveFaceData(filename[:-4] + "-" + str(a), encoding_str)

執行結果